Name: Résumé d'opinions basé sur les caractéristiques à l'aide de l'apprentissage par transfert (en Francés)
Price: 55220.00 CLP
Availability: InStock
Author: Sekaran, Ramesh
ISBN: 9786209142208

portada Résumé d'opinions basé sur les caractéristiques à l'aide de l'apprentissage par transfert (en Francés)

Résumé d'opinions basé sur les caractéristiques à l'aide de l'apprentissage par transfert (en Francés)

Formato

Libro Físico

Editorial

Editions Notre Savoir

Autor

Sekaran, Ramesh

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.5 cm

ISBN13

9786209142208

Résumé d'opinions basé sur les caractéristiques à l'aide de l'apprentissage par transfert (en Francés)

Sekaran, Ramesh (Autor) · Editions Notre Savoir · Tapa Blanda

Libro Nuevo Importado

Envío: 20 a 24 días háb.

$ 100.400$ 55.220

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 55.220

Llega entre el 10 Ago y el 14 Ago a Santiago, Región Metropolitana. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Résumé d'opinions basé sur les caractéristiques à l'aide de l'apprentissage par transfert (en Francés)"

L'exploration d'opinions est utilisée pour améliorer la prise de décision des nouveaux utilisateurs dans divers domaines tels que les produits, les films, les médias d'information, les partages sur les réseaux sociaux, etc. L'exploration d'opinions basée sur les caractéristiques s'appuie uniquement sur un corpus de domaine unique dans la plupart des méthodologies existantes. L'exploration d'opinions basée sur les caractéristiques dans deux corpus de domaines différents est complexe. Les caractéristiques et les mots d'opinion sont extraits à l'aide de l'outil de balisage Part-of-Speech (PoS). La technique IDDR (Inter dependent domain relevance) utilise la suppression des caractéristiques redondantes et l'élagage des caractéristiques non pertinentes de deux domaines différents à l'aide du score IDDR et de la valeur seuil. Normalement, l'exploration de données et l'apprentissage automatique utilisent des données d'entraînement et de test provenant du même domaine et présentant les mêmes caractéristiques. Mais le concept ci-dessus ne s'applique pas à tous les domaines en raison du manque de jeux de données étiquetés. Ici, la méthode d'apprentissage par transfert proposée utilise l'algorithme Exaggerate Instance weighted K nearest neighbor (EIWKNN) pour transférer les connaissances du domaine des appareils photo vers le domaine des iPods pour la classification des opinions. Le résumé des caractéristiques de deux domaines différents en ce qui concerne leur opinion est généré.